微计算机信息
微計算機信息
미계산궤신식
CONTROL & AUTOMATION
2010年
28期
236-238
,共3页
特征选择%最大相关最小冗余%M5P模型树%相关性分析
特徵選擇%最大相關最小冗餘%M5P模型樹%相關性分析
특정선택%최대상관최소용여%M5P모형수%상관성분석
烟叶致香成分数据具有"小样本、高维数、模糊和非线性"等特点,传统的统计分析方法难以有效解决其相关性问题.本文综合运用M5P模型树、mRMR特征选择以及神经网络等多种智能方法解决致香成分之间复杂的非线性问题,并结合行业专家经验,客观地对多种方法结论进行验证和评价,得出具有概括性的最终特征参数.综合分析方法拟补了传统分析方法的不足,提高了数据分析结果的准确度.
煙葉緻香成分數據具有"小樣本、高維數、模糊和非線性"等特點,傳統的統計分析方法難以有效解決其相關性問題.本文綜閤運用M5P模型樹、mRMR特徵選擇以及神經網絡等多種智能方法解決緻香成分之間複雜的非線性問題,併結閤行業專傢經驗,客觀地對多種方法結論進行驗證和評價,得齣具有概括性的最終特徵參數.綜閤分析方法擬補瞭傳統分析方法的不足,提高瞭數據分析結果的準確度.
연협치향성분수거구유"소양본、고유수、모호화비선성"등특점,전통적통계분석방법난이유효해결기상관성문제.본문종합운용M5P모형수、mRMR특정선택이급신경망락등다충지능방법해결치향성분지간복잡적비선성문제,병결합행업전가경험,객관지대다충방법결론진행험증화평개,득출구유개괄성적최종특정삼수.종합분석방법의보료전통분석방법적불족,제고료수거분석결과적준학도.
